Fysikbaserad maskininlärning verktyg för stål mikrostruktur och egenskap förutsägelse under värmebehandlingar
| Diarienummer | |
| Koordinator | Ferritico AB |
| Bidrag från Vinnova | 2 500 000 kronor |
| Projektets löptid | maj 2026 - april 2028 |
| Status | Pågående |
| Utlysning | Indisk-svenskt samarbete för industriella forsknings- och innovationsprojekt |
| Ansökningsomgång | Samarbete med Indien - företagsdrivna forsknings- och innovationsprojekt 2025 |
Syfte och mål
Projektets syfte är att utveckla en fysikinformerad AI-baserad digital tvilling för värmebehandling av stål. Målet är att förutsäga fasomvandlingar, mikrostruktur och mekaniska egenskaper utifrån stålets sammansättning och industriella temperaturprofiler, för snabbare produktutveckling, optimerade processer och minskat behov av försök.
Förväntade effekter och resultat
Förväntade resultat är en fungerande prototyp av en säker, fysikinformerad AI-plattform som förutsäger fasutveckling, mikrostruktur och egenskaper vid industriella värmebehandlingar. Effekterna blir snabbare produktutveckling, färre fysiska försök, bättre processoptimering, lägre kostnader, minskat spill och stöd för mer energieffektiv ståltillverkning.
Planerat upplägg och genomförande
Projektet genomförs i etapper: insamling och harmonisering av litteratur, laboratorie- och industridata, utveckling av fysikbaserade maskininlärningsmodeller för fasomvandlingar, korntillväxt, isotermiska processer och anlöpning, samt integration i en säker mjukvaruplattform med användargränssnitt. Modellerna valideras genom laboratorieexperiment och industriella fallstudier vid Tata Steel, KTH Royal Institute of Technology och Indian Institute of Technology Kharagpur.